Wann und durch wen erfolgt die Datenauswertung?
Drei Wege zur Datenauswertung
Aus der obigen Abbildung geht bereits hervor, dass es mehrere Möglichkeiten für euch gibt, die eigenen Daten auszuwerten. Im folgenden sollen daher die drei Möglichkeiten erklärt werden. Die Nutzung einer Web-App und die eigenständige Anwendung der Programmiersprache R sind als partizipative Formen der Datenauswertung genauso möglich, wie eine weiterführende Auswertung durch das Kernteam zusammen mit der „AG Datenauswertung“
Die Nutzung der Web-App ist die einfachste Form, um eine erste Darstellung digitalisierter Daten zu erhalten. Die Mastertabellen (zusammengeführte Datentabellen nach einem bestimmten Aufbau, die auch Daten über mehrere Jahre enthalten kann, je aber nur für eine Methode) sind so strukturiert, dass ihr sie ganz einfach in der Web-App hochladen könnt. Im Hintergrund der App läuft ein sogenanntes r-Skript, sodass ihr zu den jeweiligen Methoden automatisch bestimmte Darstellungen (z.B. eine Plot-Graphik) erhaltet. Da die Methoden unterschiedlich sind, variieren auch die Möglichkeiten der Auswertungen. Eine Übersicht darüber, welche Methoden wie ausgewertet werden, seht ihr in der Tabelle weiter unten auf der Seite.
Eine weitere Möglichkeit, um Darstellungen, wie mit der Web-App zu erzeugen, ist die eigenständige Anwendung von R.
R ist eine Programmiersprache, welche Grafiken und Statistiken erzeugen kann. In dieser Sprache sind die Skripte verfasst, welche im Hintergrund der Web-App laufen. Der Vorteil der eigenen Anwendung von R ist, dass Anpassungen für eigene Präferenzen in der Darstellung der Daten vorgenommen werden können. R kann zwar herausfordernd sein, bietet allerdings mehr Flexibilität im Umgang mit den Daten für alle Bürgerwissenschaftler:innen, die sich hiermit tiefgreifender befassen möchten.
Bei Interesse schreibt uns gerne eine E-Mail an: agroforst-monitoring(a)posteo.de
Natürlich wird es auch weiterhin möglich sein immer mit Wünschen auf das Kernteam zuzukommen. Gerade bei besonders hofspezifischen oder übergeordneten Fragen freut sich das Kernteam, wenn gemeinsam Auswertungen vorgenommen und/oder Anregungen gegeben werden können. Um diese Kommunikation zwischen allen Interessierten zu ermöglichen, werden zudem bei Bedarf Treffen der AG Datenauswertung regelmäßig angeboten. Wenn ihr Interesse habt an den digitalen Treffen teilzunehmen, schreibt gerne eine E-Mail an agroforst-monitoring@posteo.de und ihr erhaltet alle Infos sowie Zugangslinks.
Die einfachste Form der Datenauswertung: Unsere WebApp
Was könnt ihr mithilfe der Web-App für verschiedene Methoden auswerten? Klickt euch gerne einmal durch die Methoden.
1. Laufkäferanzahl (gesamt und für die häufigsten drei Arten) nach Fallenstandort (1-7)
2. Erfasste Laufkäfer pro Jahr (Säulendiagramm)
3. kombinierte Abbildung mit neun Grafiken nach Entfernung zum Baumstreifen (Anzahl Laufkäfer, Nützlingswert, Anzahl Morphospezies, Anzahl der drei häufigsten Arten, Anzahl Spinnen, Anzahl Kurzflügler, Anzahl Ameisen)
Individuenanzahl und Artzahl
2. nach Position (Baumstreifen/Feldmitte)
3. im Jahresverlauf
4. nach Wetter (Temperatur, Bewölkung, Windstärke)
5. häufigste angeflogene Blüten
1. Artenzahl aller bisherigen Aufnahmen gegliedert nach vier Positionen
2. Artenzahl des letzten Aufnahmejahres im Gradient der sieben Schätzflächen
3. Shannon-Vielfalt aller bisherigen Aufnahmen gegliedert nach vier Positionen
4. Stickstoff-Zeigerwert aller bisherigen Aufnahmen gegliedert nach vier Positionen
5. Arten-Verteilung innerhalb der Fläche, dargestellt als Venn-Diagramm
1. untersuchte Baumarten und festgestellter Gehölzschutz
2. gewähltes Management der Baumscheibe
3. Zustand der Baumscheibe
4. Höhenzuwachs untersuchter Baumarten
1. Häufigkeit der identifizierten Arten
2. Gesamtanzahl der Regenwürmer
3. Gewicht der geundenen Regenwürmer
4. Anzahl adulter Würmer
5. Häufigkeit der Lebensformen
1. modellierte Abbaukurven des Teesubstrats
2. labiler Anteil a, nach Positionen
3. Abbaukonstante k, nach Positionen
4. Synthese von a und k
Was genau passiert in dieser Auswertung?
Erklärung am Beispiel der Methode „Laufkäfer“
Das Skript verarbeitet und analysiert Felddaten zu Laufkäfern aus mehreren Excel-Dateien und erstellt daraus eine zusammengefasste Auswertung mit Grafiken.
Zuerst werden verschiedene R-Pakete installiert und geladen, die für das Einlesen, Bearbeiten und Visualisieren von Daten benötigt werden. Anschließend wird der Ordner mit den Felddaten durchsucht, und alle passenden Excel-Dateien (Tagestabellen und ggf. eine Mastertabelle) werden ausgewählt. Für jede dieser Dateien werden wichtige Informationen wie der Name der Lokalgruppe und das Datum aus dem Dateinamen herausgelesen.
Die eigentlichen Daten werden dann eingelesen und in eine einheitliche Tabellenstruktur gebracht. Dabei werden die Tabellen teilweise umgeformt (z. B. transponiert), Spalten korrekt benannt und fehlende Werte durch Nullen ersetzt. Zusätzlich werden neue Spalten hinzugefügt, etwa für die Lokalgruppe und das Datum. Alle einzelnen Tagestabellen werden anschließend zu einer großen „Mastertabelle“ zusammengeführt. Falls bereits eine ältere Mastertabelle hochgeladen wurde, wird diese um die neuen Daten ergänzt.
Im nächsten Schritt werden zusätzliche Kennwerte berechnet, zum Beispiel die Gesamtanzahl der Laufkäfer (Abundanz), die Anzahl unterschiedlicher Arten (Morphospezies) und der sogenannte Nützlingswert. Dafür werden Hintergrundinformationen aus einer separaten Datei genutzt.
Danach speichert das Skript die aktualisierte Mastertabelle als neue Excel-Datei ab. Anschließend werden verschiedene Grafiken erstellt: Zum Beispiel zeigt eine Abbildung, wie viele Laufkäfer im Durchschnitt an unterschiedlichen Fallenstandorten vorkommen. Weitere Grafiken zeigen die häufigsten Arten, deren Verteilung über die Jahre sowie kombinierte Übersichten mehrerer Kennwerte und Tiergruppen. Alle Abbildungen werden automatisch gespeichert.